形态学变换（Morphological Transformations）

最新推荐文章于 2025-07-07 19:07:12 发布

原创

最新推荐文章于 2025-07-07 19:07:12 发布 · 5.7k 阅读

12 ·

CC 4.0 BY-SA版权

形态学变换是一种基于形状的图像处理技术，主要应用于二值化图像。基本操作包括膨胀和腐蚀，它们的组合形成开运算、闭运算和形态学梯度等高级操作。膨胀使亮区扩大，腐蚀则减小亮区。开运算用于消除小物体，闭运算填补内部空洞并连接物体。形态学梯度则有助于保留边缘轮廓。

#形态学变换（Morphological Transformations）

参考博客

形态学处理又可理解为形态学变换（Morphological Transformations），是一种基于形状的简单变换。它的处理对象通常是二值化图像（也常用于彩色图像）。通常，形态学变换有两个输入，一个输出：

输入：原图像，核
输出：形态学变换后的图像

膨胀与腐蚀是最基本的两种形态学变换方法，形态学处理的常规操作（开运算、闭运算和形态学梯度等）则是这两种方法的组合。膨胀和腐蚀是针对较亮的像素的两种相反的操作，即较亮的像素会膨胀和被腐蚀（被暗色腐蚀）。

##膨胀（Dilation）
膨胀就是求局部最大值。原图与核进行卷积，将最大值赋予指定像素，从而使亮者更亮，效果就是亮的区域膨胀。
公式：
这里写图片描述

可以理解为，将结构B（核）在结构A上进行卷积操作，所有移动结构B与结构A存在交集的位置的集合为结构A在结构B作用下的膨胀结果。

函数原型：

dst=cv2.dilate(src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]])

#src：源图，通道数任意，深度需为CV_8U，CV_16U，CV_16S，CV_32F或 CV_64F
#dst：输出图，与src有着同样的尺寸
#kernel：膨胀操作的核，